VIP14

本课程属于：028-实验数据工程与质量治理 生物技术_生物工程与智能实验室 · 共 14 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

数据异常检测实战与根因分析

📚 共计 30 章节

点击此处阅读海量试读课程：100+行业、1000+细分领域

异常检测概述

定义与场景：金融风控、运维监控、工业质检；点异常、上下文异常、集体异常。

数据预处理基础

缺失值删除/填充，3σ与IQR识别异常，标准化与归一化。

清洗特征工程

统计方法（一）Z-Score

Z-Score原理与阈值选择，单维指标异常检测实战。

统计方法（二）箱线图

Boxplot与IQR方法，电商订单金额异常检测实战。

统计方法（三）移动平均

移动平均、指数平滑、残差分析，CPU使用率趋势异常检测。

距离与密度（一）KNN

K近邻异常检测原理、实现与调参。

距离与密度（二）LOF

局部异常因子算法原理、实现，信用卡交易异常检测。

距离与密度（三）孤立森林

Isolation Forest原理、实现，高维数据异常检测实战。

基于聚类的方法

K-Means与DBSCAN异常检测，用户行为异常实战。

基于树的方法

孤立森林深入、扩展隔离森林(EIF)，网络入侵检测实战。

基于降维的方法

PCA异常检测、重构误差分析，传感器数据异常检测。

基于关联规则的方法

Apriori与FP-Growth异常模式发现，交易数据实战。

时间序列异常（一）分解

趋势、季节、残差分解，STL分解，网站流量异常检测。

时间序列异常（二）ARIMA

ARIMA模型残差阈值法，服务器日志异常检测实战。

时间序列异常（三）Prophet

Prophet模型异常检测，电商销量异常检测实战。

深度学习（一）自编码器

Autoencoder重构误差异常检测，工业传感器实战。

深度学习（二）VAE

变分自编码器异常检测，图像异常检测实战。

深度学习（三）LSTM

LSTM时间序列异常检测，服务器指标异常预测。

深度学习（四）GANomaly

生成对抗网络异常检测，医疗图像异常检测实战。

集成学习方法

特征装袋、模型装袋、Stacking，多模型融合异常检测。

异常检测评估指标

混淆矩阵、PR-AUC、ROC-AUC，模型评估与选择实战。

根因分析概述

流程：检测-定位-归因，故障树、5Why、RCA方法。

基于规则的方法

决策树与关联规则根因分析，系统故障根因定位实战。

规则决策树

基于因果推断的方法

因果图、DoWhy库、反事实推理，广告投放效果根因分析。

基于图的方法

图异常检测、PageRank根因定位，微服务调用链根因分析。

基于机器学习的方法

随机森林特征重要性、SHAP解释，模型预测根因分析。

基于时间序列的方法

格兰杰因果检验、时序因果发现，系统指标根因分析。

根因分析实战（一）电商

订单异常：数据准备→异常检测→根因定位→报告生成。

根因分析实战（二）服务器

宕机根因：日志分析、指标关联、自动化报告。

课程总结与展望

最佳实践、常见陷阱、未来趋势：AutoML、可解释AI、实时检测。